广义嵌套空间模型变量选择研究——基于广义空间信息准则
本文选题:空间计量 + 变量选择 ; 参考:《统计研究》2017年09期
【摘要】:本文提出了广义空间信息准则,以解决广义嵌套空间模型的变量选择问题。依据大样本性质的不同,将该准则分为两类:空间AIC类准则和空间BIC类准则。研究发现,空间AIC类准则能有效解决空间模型中变量的错选和漏选问题,但存在多选变量的倾向;而空间BIC类准则能同时解决空间模型中变量的错选、漏选和多选问题,而且在特殊条件下能更有效解决错选和漏选问题,但往往需要更大的样本容量。Monte Carlo模拟结果印证了上述相关结论。最后,本文以城市对外资银行的吸引力为例,在给定测度指标的基础上,验证其空间相关性,并利用本文提出的方法对其影响因素进行变量选择。
[Abstract]:In this paper, generalized spatial information criterion is proposed to solve the variable selection problem of generalized nested space model.According to the properties of large samples, the criteria are divided into two categories: spatial AIC class criteria and spatial BIC class criteria.It is found that spatial AIC class criterion can effectively solve the problem of misselection and omission of variables in spatial model, but there is a tendency of multi-selection of variables, while the criterion of spatial BIC class can solve the problem of misselection, omission and multi-selection of variables in spatial model at the same time.Moreover, it is more effective to solve the problem of miselection and omission under special conditions, but the simulation results of larger sample size. Monte Carlo often confirm the above conclusions.Finally, taking the attractiveness of cities to foreign banks as an example, on the basis of a given measurement index, this paper verifies its spatial correlation, and selects the variables of its influencing factors by using the method proposed in this paper.
【作者单位】: 上海对外经贸大学国际经贸学院;上海财经大学财经研究所;
【基金】:教育部人文社科青年基金“变系数空间面板数据模型变量选择方法及应用”(15YJC790150) 国家统计局全国统计科学研究重点项目“时空经济系统半参数建模方法及其应用”(2016LZ16) 国家自然科学基金面上项目“我国环保产业R&D投入的决策理论与评价方法研究”(71673189)资助
【分类号】:F831.2;O212
【相似文献】
相关期刊论文 前10条
1 戴伯新;;回归变量选择中的数据诊断[J];应用概率统计;1992年04期
2 杨丽霞;魏立力;;基于粗糙集方法的有序尺度变量选择[J];宁夏大学学报(自然科学版);2009年02期
3 赵宇;黄思明;;带有变量选择过程的分类模型误差分析[J];数学的实践与认识;2010年17期
4 樊亚莉;徐群芳;;稳健的变量选择方法及其应用[J];上海理工大学学报;2013年03期
5 陶靖轩;多元分析中的变量选择问题研究[J];中国计量学院学报;2001年01期
6 李树军,纪宏金;对应聚类分析与变量选择[J];地球物理学进展;2005年03期
7 陈黎明;赵永红;;转换函数未知时转换模型的变量选择[J];四川大学学报(自然科学版);2011年05期
8 刘民千,张润楚;超饱和设计的变量选择[J];南开大学学报(自然科学版);2000年03期
9 王进;;聚类分析中的距离与变量选择[J];山西财经大学学报;2007年S1期
10 张波;方国斌;;高维面板数据降维与变量选择方法研究[J];统计与信息论坛;2012年06期
相关会议论文 前1条
1 张俊华;方伟武;;调查表分析中变量选择的一些方法(英文)[A];中国运筹学会第六届学术交流会论文集(下卷)[C];2000年
相关博士学位论文 前10条
1 吕晶;几类半参数回归模型的稳健估计与变量选择[D];重庆大学;2015年
2 王康宁;几类高维复杂数据半参数模型的结构识别、变量选择及稳健估计[D];山东大学;2016年
3 李子林;高维基因数据中的统计方法[D];清华大学;2016年
4 王大荣;分散度量模型中的变量选择[D];北京工业大学;2009年
5 王明秋;高维数据下若干回归模型的变量选择问题研究[D];大连理工大学;2012年
6 刘吉彩;生存数据统计模型的变量选择方法[D];华东师范大学;2014年
7 樊亚莉;稳健变量选择方法的若干问题研究[D];复旦大学;2013年
8 董莹;高维共线性统计模型的参数估计与变量选择[D];大连理工大学;2014年
9 叶飞;相对误差准则下的估计理论和变量选择方法的研究[D];清华大学;2013年
10 袁晶;贝叶斯方法在变量选择问题中的应用[D];山东大学;2013年
相关硕士学位论文 前10条
1 邓秋玲;SCAD和ADS方法在比例风险模型中的应用[D];广西大学;2015年
2 韦新星;几种变量选择方法在Cox模型中的应用[D];广西大学;2015年
3 王唯;部分线性模型的变量选择问题研究[D];湘潭大学;2015年
4 潘玉婷;含多元非线性结构的高维Logistic模型的同时变量选择及半参数估计[D];中国科学技术大学;2016年
5 刘丹;Cox模型及变系数Cox模型中的变量选择问题研究[D];暨南大学;2016年
6 闫湛;混料试验设计变量选择的Cp方法研究[D];广州大学;2016年
7 黄亚慧;偏t正态数据下基于最小一乘的回归估计和变量选择[D];重庆大学;2016年
8 王婉秋;基于低秩模型基因—环境交互作用的贝叶斯变量选择方法[D];东北师范大学;2016年
9 徐梅花;分类中的变量选择方法及应用[D];华中科技大学;2015年
10 李翠平;乘积回归模型的变量选择研究[D];河南大学;2016年
,本文编号:1741474
本文链接:https://www.wllwen.com/kejilunwen/yysx/1741474.html